La inteligencia artificial puede ayudarnos a generar imágenes, resumir información, automatizar tareas o explorar soluciones en muy poco tiempo. Pero cuando intentamos utilizarla de forma precisa aparece un problema recurrente: no siempre interpreta nuestras instrucciones como nosotros esperamos.

En arquitectura esto resulta especialmente evidente. Una pequeña ambigüedad puede traducirse en una ventana que cambia de proporción, una cubierta reinterpretada o una referencia visual que acaba influyendo donde no debería.

El problema no es solo pedir, sino hacerse entender

Cuando damos una instrucción a otra persona, muchas veces partimos de un contexto compartido. Podemos decir “mantén exactamente la arquitectura y mejora únicamente la imagen” y asumir que queda claro qué elementos deben permanecer intactos.

Con una IA no siempre ocurre así. Conceptos como “más elegante”, “más realista”, “mantén el diseño” o “usa esta imagen como referencia” dejan mucho espacio para la interpretación. Si no especificamos qué puede cambiar y qué no, el modelo completa esa información por su cuenta.

El problema, por tanto, no está únicamente en lo que pedimos, sino en cómo traducimos nuestra intención a unas instrucciones suficientemente claras.

En arquitectura la ambigüedad se nota más

En una imagen creativa, una pequeña variación puede incluso mejorar el resultado. En la representación de un proyecto real, no necesariamente.

Si utilizamos una imagen del proyecto como base y otra como referencia de estilo, nosotros podemos entender perfectamente que la primera define la geometría y la segunda únicamente la iluminación, la atmósfera o el lenguaje visual. La IA, en cambio, recibe dos imágenes llenas de información y puede acabar mezclando elementos de ambas.

Esto puede provocar modificaciones aparentemente pequeñas: huecos distintos, cambios de material, vegetación nueva, variaciones en una barandilla o una cubierta diferente. El resultado puede seguir siendo atractivo, pero ya no representar exactamente el proyecto original.

Más instrucciones no siempre significan mejores resultados

Ia en arquitectura: El problema de hacerse entender

La reacción habitual cuando algo sale mal es añadir más condiciones al prompt. Pedimos que no cambie la geometría, que mantenga los huecos, que conserve la perspectiva, que utilice una referencia solo para iluminación y que no añada elementos nuevos.

A veces funciona. Otras veces el prompt se convierte en una lista demasiado larga en la que unas instrucciones compiten con otras.

Aquí entra en juego algo importante: la jerarquía. No todas las indicaciones tienen el mismo peso. Si preservar la arquitectura es la prioridad absoluta, debería quedar claramente separada de aquello que sí permitimos modificar.

Además, cada nueva iteración puede introducir cambios inesperados. Corregimos un elemento y aparece otro problema distinto. Por eso llega un punto en el que seguir regenerando toda la imagen puede ser menos eficaz que intervenir únicamente sobre aquello que necesita corrección.

La clave está en reducir la interpretación

Trabajar con IA de forma controlada consiste en dejar muy claro dónde queremos creatividad y dónde no.

Definir qué elementos son invariables, separar restricciones y objetivos, asignar una función concreta a cada referencia visual y dividir tareas complejas en pasos más pequeños reduce muchísimo la posibilidad de resultados inesperados.

En ese sentido, aprender a utilizar IA no consiste solamente en conocer una herramienta. También implica aprender a estructurar mejor nuestras instrucciones.

Y probablemente esa sea una de las habilidades más interesantes que estamos empezando a incorporar al trabajo digital.

Conclusión

No existe un prompt perfecto que funcione siempre, pero sí hay formas de trabajar que hacen que los resultados sean mucho más previsibles.

En la siguiente entrada recopilaré algunas de las que mejor me han funcionado: cómo estructurar un prompt, cómo utilizar referencias visuales, cómo definir restricciones y cómo evitar que una iteración termine modificando aquello que ya estaba bien.